题名 周相似特性下交通流组合预测方法研究
被引量：8
1
作者
谭满春 李英俊 关占荣 徐建闽
机构
暨南大学信息科学技术学院 华南理工大学交通学院
出处
《计算机工程与应用》
CSCD
北大核心
2007年第33期193-195,共3页
基金
国家自然科学基金(the National Natural Science Foundation of China under Grant No.50578064) 广东省自然科学基金(the Natural Science Foundation of Guangdong Province of China under Grant No.06025219)
文摘
根据交通流量具有周相似的特性,构造了周相似序列。用霍特指数平滑法对周相似序列进行预测,用人工神经网络对残差部分进行预测。将指数平滑法与神经网络法相结合,以便发挥每种方法的优势,获得比单个方法更好的预测结果。实例分析表明,比单独使用ARIMA或单独使用神经网络方法,使用组合方法的预测误差最小,适合于实时的交通流预测。
关键词
短期交通流预测 霍特指数平滑法 人工神经网络 周 相似 组合方法
Keywords
short-term traffic flow forecasting Holt＇s exponential smoothing method Artificial Neural Network weekly similarity hybrid approach
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
U491
[自动化与计算机技术—控制科学与工程]
题名 周相似特性下的交通流预测模型研究
被引量：14
2
作者
夏冰 董菁 张佐
机构
清华大学自动化系
出处
《公路交通科技》
CAS
CSCD
北大核心
2003年第2期73-76,共4页
基金
清华大学学科建设和骨干人才计划资助项目
文摘
针对城市路段交通流的周相似的特性 ,提出将路段的每日交通流数据分解为日交通流规律和日交通流水平 ,同时认为每日的交通流规律是由对应的类交通流规律和随机干扰构成。借用电路中的放电规则 ,给出交通流预测的模型。具体算例的结果显示 :将交通流进行分解和采用本预测模型是合理的 ,它具有计算简单、使用数据少等优点 。
关键词
周 相似 特性交通流预测模型 城市路段 分解 放电规则 日交通流数据
Keywords
Weekly similarity Link traffic flow Discharge model Prediction
分类号
U491.112
[交通运输工程—交通运输规划与管理]
题名 一种基于周相似特性的实时交通量预测模型
被引量：5
3
作者
胡佩锋 袁振洲
机构
北京交通大学交通工程系
出处
《公路交通技术》
2007年第1期145-149,共5页
文摘
针对城市道路交通流量的周相似特性,对实时采集的流量与历史流量进行对比分析,利用均方根误差法确定权重,采用指数平滑方法对权重进行修正,提出一种实时交通量预测模型,并给出利用该模型预测的实例。利用最小二乘法对该预测进行了改进,进一步扩大和提高了模型的应用范围和实用性。
关键词
周 相似 性交通流量 实时动态 预测
Keywords
weekly similarity traffic flow real time data prediction
分类号
U491.113
[交通运输工程—交通运输规划与管理]
题名 基于周相似性的短时交通流预测方法研究
被引量：2
4
作者
陈航 陈玉敏 吴钱娇 刘永锋 朱晓晓
机构
武汉大学资源与环境科学学院
出处
《测绘通报》
CSCD
北大核心
2015年第S2期27-31,共5页
基金
国家863计划(2013AA122301 2013AA122302) +1 种基金 国家自然科学基金(41171347) 空间信息智能感知与服务深圳市重点实验室(深圳大学)开放基金
文摘
根据交通流量具有周相似的特性,利用实地采集获取的交通流量数据,选取每周周一至周五的数据,构造时间序列。本文分别用了3种不同的方法(BP神经网络、Elman神经网络、RBF神经网络)来预测短时交通流量,并通过不同的评价指标对上述3种方法的预测效果进行了评价。实例分析表明,对于这种时间序列的预测,Elman神经网络预测效果优于其他2种方法,更适合于短时交通流预测。
关键词
短时交通流预测 周 相似 性BP神经网络 ELMAN神经网络 RBF神经网
分类号
U491.14
[交通运输工程—交通运输规划与管理]
TP183
[交通运输工程—道路与铁道工程]
